সম্প্রতি কৃত্রিম বুদ্ধিমত্তা গবেষণা প্রতিষ্ঠান Underdog মাত্র ৩২ মেগাবাইটের একটি ক্ষুদ্রাকৃতির এআই মডেলের ডেমো প্রদর্শন করেছে। আকার বা মেমোরি সাইজে অত্যন্ত ছোট হওয়া সত্ত্বেও এই মডেলটি একই সাথে মানুষের কণ্ঠস্বর (Speech) এবং সুর বা গান (Music) তৈরি করতে সক্ষম।
মডেলটি আসলে কী এবং এটি কীভাবে কাজ করে?
সাধারণত এআই স্পিচ কিংবা মিউজিক জেনারেটর মডেলগুলোর সাইজ অনেক বড় হয়, যা চালানোর জন্য শক্তিশালী সার্ভার বা জিপিইউ প্রয়োজন। তবে Underdog-এর এই নতুন মডেলটি অত্যন্ত হাল্কা এবং কম মেমোরি খরচ করে কাজ করতে পারে।
- কম মেমোরি ব্যাকগ্রাউন্ড: মাত্র ৩২ মেগাবাইটের হওয়ায় এটি ডিভাইসের লোকাল মেমোরিতে সহজেই রান করানো সম্ভব।
- বহুমুখী ক্ষমতা: কেবল কথা বলা বা ভয়েস ওভার দেওয়াই নয়, এর মাধ্যমে মিউজিক্যাল ট্র্যাক বা সুরও প্রসেস করা যায়।
- দ্রুত আউটপুট: লাইটওয়েট স্থাপত্যের কারণে প্রসেসিং সময় অনেক কম লাগার কথা।
বাস্তব জীবনে এর সম্ভাব্য ব্যবহার
ডিভাইসের ওপর অতিরিক্ত চাপ না ফেলে কাজ করার দক্ষতার কারণে বিভিন্ন ক্ষেত্রে এই মডেলটি গুরুত্বপূর্ণ ভূমিকা রাখতে পারে:
- কন্টেন্ট ক্রিয়েশন: ভিডিওর জন্য কম খরচে ও দ্রুত ব্যাকগ্রাউন্ড মিউজিক কিংবা ভয়েস প্রম্পট তৈরি করা।
- ছোট ব্যবসা ও অফিস কাজ: গ্রাহকসেবার জন্য কম মেমোরির লাইভ ভয়েস অ্যাসিস্ট্যান্ট বা প্রমোট তৈরি করা।
- ফ্রিল্যান্সিং ও প্রোডাক্টিভিটি: দ্রুত অডিও প্রোটোটাইপ বা ডেমো বানাতে অডিও প্রসেসিং টাস্কে সাহায্য করা।
- শিক্ষা ও পড়াশোনা: ই-লার্নিং অ্যাপে অন-ডিভাইস অডিও টিউটোরিয়াল ও টেক্সট-টু-স্পিচ সুবিধা যুক্ত করা।
প্রযুক্তিটির সীমাবদ্ধতা
ক্ষুদ্র সাইজের এআই মডেল ব্যবহার করার ক্ষেত্রে কিছু সীমাবদ্ধতার দিকেও নজর রাখা প্রয়োজন:
- কণ্ঠের নিখুঁততা: বিশাল আকৃতির এআই মডেলগুলোর মতো নিখুঁত ন্যাচারাল এক্সপ্রেশন বা ইমোশন এতে কতটা পাওয়া যাবে তা দেখার বিষয়।
- জটিল মিউজিক প্রসেসিং: দীর্ঘ বা জটিল মাল্টি-ইনস্ট্রুমেন্টাল গান তৈরির ক্ষেত্রে এর কার্যক্ষমতায় সীমাবদ্ধতা থাকতে পারে।
- ভাষা সাপোর্ট: বাংলা বা অন্যান্য আন্তর্জাতিক ভাষায় এর পারফরম্যান্স কেমন হবে তা ব্যবহারের পর জানা যাবে।
বাংলাদেশ থেকে এটি যেভাবে ব্যবহার করবেন
এই এআই মডেলটি টেস্ট বা ব্যবহার করে দেখতে চাইলে নিচের বিষয়গুলো মেনে চলতে পারেন:
- অফিসিয়াল ডেমো চেক করুন: Underdog-এর অফিসিয়াল প্ল্যাটফর্ম বা ওয়েবসাইট থেকে ডেমোর সুবিধা আছে কিনা দেখুন।
- ফ্রি ও পেইড প্ল্যান: টুলটির ব্যবহার সম্পূর্ণ ফ্রি নাকি সাবস্ক্রিপশনভিত্তিক, তা তাদের সার্ভিস পলিসি থেকেই যাচাই করে নেওয়া ভালো।
- ডিভাইস কম্প্যাটিবিলিটি: অন-ডিভাইস প্রসেসিং সমর্থন করলে আপনার ল্যাপটপ বা স্মার্টফোনে এটি সরাসরি চালিয়ে দেখতে পারেন।
সাধারণ প্রশ্ন
৩২ মেগাবাইটের এই এআই মডেলটি কি অফলাইনে চালানো সম্ভব?
যেহেতু মডেলটির আকার অত্যন্ত ছোট, তাই এটি অন-ডিভাইস বা অফলাইনে ব্যবহারের সম্ভাবনা তৈরি করে। তবে নিশ্চিত হতে তাদের অফিশিয়াল ডকুমেন্টেশন চেক করা উচিত।
এটি দিয়ে কি সম্পূর্ণ প্রফেশনাল গান তৈরি করা সম্ভব?
এটি প্রাথমিক ডেমো প্রোটোটাইপ বা সাধারণ অডিও ট্র্যাকের জন্য উপযুক্ত হতে পারে। প্রফেশনাল স্টুডিও মানের আউটপুট পাওয়া যাবে কিনা তা নিয়মিত আপডেটের ওপর নির্ভর করবে।
প্রযুক্তির এই সময়ে বিশাল সাইজের এআই মডেলের পাশাপাশি অন-ডিভাইস ও হাল্কা মডেলের চাহিদা দ্রুত বাড়ছে। Underdog-এর এই নতুন স্পিচ ও মিউজিক মডেলটি ভবিষ্যতে স্মার্টফোন ও সাধারণ ডিভাইসে লোকাল এআই ব্যবহারের পথকে আরও সুগম করবে বলে আশা করা যায়।
কভার ছবি: Emilipothèse / Unsplash
